由Hyper-TSRB数据估算海面遥感反射比的方法比较

姚晴晴，陈树果，张亭禄

（中国海洋大学海洋技术系，山东 青岛 266100）

由Hyper-TSRB数据估算海面遥感反射比的方法比较

姚晴晴，陈树果，张亭禄

（中国海洋大学海洋技术系，山东 青岛 266100）

比较了3种由Hyper-TSRB数据估算海面遥感反射比(Rrs)的方法，这3种方法分别为：prosoft、优化方法和经验方法。用于比较的现场测量数据为SeaBASS数据中193个站位的水中向上辐亮度(Lu(z))及向下辐照度(Ed(z))的剖面数。比较结果显示，3种方法对于较清的水体都有很高的精度，对于混浊的水体，优化方法和经验方法都有较高的精度，其中经验方法的性能稍优于优化方法，而prosoft方法精度较差，可达50%。

Hyper-TSRB；遥感反射比；prosoft；优化方法；经验方法

海面遥感反射比(Rrs)是主要的水体表观光学参数之一，也是众多海洋水色遥感算法中的一个基础物理量，定义为离水辐亮度(Lw)与海面向下辐照度(Ed(0+))之比。Hyper-TSRB(HYPERspectral Tethered Spectral Radiometer Buoy)是加拿大Satlantic公司设计的用于环境监测和生物光学算法开发的海面高光谱辐射计，直接测量的是海面向下辐照度(Ed(0+))和水下0.65 m深度的向上辐亮度(Lu(z=0.65))。为了获取遥感反射比，必须将Lu(z=0.65)外推至水表面下的向上辐亮度(Lu(z=0-)),以得到离水辐亮度。

目前，对Hyper-TSRB数据处理得到Rrs的方法主要有3种：prosoft、优化方法和经验方法。prosoft是Satlantic提供的多波段传感器剖面辐射计的数据处理软件，该软件提供了由Hyper-TSRB数据推算Rrs的方法；杜克平[1]利用半分析模型，建立了基于非线性优化技术的方法，在本文中简称为优化方法；之后，张亭禄等[2]建立了基于经验统计的经验方法。本文将这3种方法进行分析比较，分别用3种方法对同一数据集进行处理，由已知的Ed(0+)和Lu(z=0.65)推得水面之下遥感反射比（rrs），将所得rrs与数据集中提供的rrs测量值比较，从而评价3种方法的性能。

1 数据和方法

1.1 数据

本文所用数据源于美国NASA SeaBASS数据库[3]，共193个站位，分布于加里弗尼亚湾、西太平洋、弗罗里达陆架和切萨皮克湾等，涵盖一类和二类水域。每个站位包括向上辐亮度和向下辐照度的垂直剖面数据等信息，每个量有6个波段数据，即 412 nm，443 nm，490 nm，510 nm，555 nm和 665 nm。

1.2 方法

由Hyper-TSRB数据得到海面遥感反射比的过程如下，将Lu(z=0.65)和Ed(0+)的比值定义为Rsz：

下表面遥感反射比rrs表示为：

在已知rrs时，海面遥感反射比Rrs可由式（3）得到：

式中：t为水气界面透过率；nw为海水的折射率。

从式（2）、式（3）可以看出，如果已知Klu,就可得到海面遥感反射比,计算Klu是求海面遥感反射比最重要的一步，3种方法的根本不同就是Klu的计算方法不同。

1.2.1 prosoft方法

该方法计算Klu的过程如下：

490 nm处的辐亮度漫衰减系数Klu(490)关系式为[4]：

式中：Lu(443)和Lu(550)分别表示443 nm和550 nm的辐亮度，其数值已知。根据式（5）[5]，由Klu(490)可求出浮游植物色素浓度(Chl)，然后再将Chl代入式（5）就可求出光谱辐亮度漫衰减系数Klu。

式中：Kw为纯海水的漫衰减系数；Chi和Eps分别为经验常数[5]。

1.2.2 经验方法

经验方法中Klu计算关系式如下[2]：

当蓝绿波段遥感反射率之比Rsz(490)/Rsz(555)≥0.8时，x=alog(Rsz(490)/Rsz(555))；当 Rsz(490)/Rsz(555)＜0.8 时，x=alog(Rsz(490)/Rsz(665))。式中参数a的取值见表1。

1.2.3 优化方法

Kirk根据Monte Carlo模拟[6-8]，Klu可表示为：

式中：a和bb为未知量，只要求得这两个量的值，Klu就可求出。其中，a为水体的总吸收系数，bb为水体的回向散射系数。a和bb可进一步表示为含有3个变量的函数[9-18]，3个变量分别为浮游植物色素浓度(Chl)、碎屑和CDOM在440 nm吸收系数(adg(440))和粒子在550 nm的回向散射系数(bbp(550))。为了充分利用Hyper-TSRB高光谱的优势，通过优化算法求解3个变量。具体过程如下：

根据Gordon et al[19]和Lee et al[20],水表面下的遥感反射比rrs可表示为：

式中：g0，g1，g2是光谱常数[1]。进一步的，

优化算法中的误差函数定义如下：

式中：Rrz表示实验测量值；Rsz是理论模型的计算值。通过该误差函数即可求出上述3个变量的值，从而获得Klu。

表1 经验方法中参数a的值

2 结果与讨论

根据上述3种方法的遥感反射比处理过程，得到海表面下的遥感反射比rrs，并与数据集中rrs测量值进行比较（见图1），统计结果见表2。可看出，prosoft方法相对均方根误差（RMSE）为7.4%～248%，变化比较大，优化方法误差为7.4%～30.2%，经验方法误差为4.1%～25.8%，对每个波段的相对均方根误差而言，均是prosoft方法大于优化方法，优化方法大于经验方法，但优化方法和经验方法误差相差较小，且优化方法和经验方法的相关系数的平方（r2）都大于0.937，说明这两种方法计算结果与测量值有较高的相关性，吻合度较好。而prosoft方法的误差和相关系数变化较大，特别在短波412 nm和443 nm处，prosoft方法的相关系数较低，误差较大。

表2 根据3种方法由数据集推算得rrs的统计参数比较

经上述分析后，3种方法对于6个波段的遥感反射比计算，经验方法要好于优化方法，优化方法好于Hyper-TSRB自带的prosoft方法。为了更直观地观察3种方法的变化情况，图2列出了3种方法的导出值与实验测量值从一类水域到二类水域的4个站位的rrs光谱曲线，其中，(A)、(B)为较清水体，(C)、(D)为混浊水体。prosoft的误差逐渐增大，优化方法和经验方法误差变化不大，这说明prosoft方法能较好地应用于一类水域，不适用于二类水域。优化方法和经验方法可以同时在一类和二类水域工作。

图1 3种方法导出的rrs的比较（图中“pro”代表prosoft方法，“opt”代表优化方法，“emp”代表经验方法）

图2 4种典型水体不同方法导出的rrs光谱比较

图3 黄东海Hyper-TSRB测量数据3种方法处理结果的比较

为了进一步评价3种方法性能，对我国黄东海测量Hyper-TSRB数据处理，图3列出了从一类水域到二类水域的4个站位的 Rrs光谱曲线，其中，(A)、(B)为较清水体，(C)、(D)为近岸混浊水体。Hyper-TSRB数据在400～700 nm之间有93个波段的Lu(z=0.65)和Ed(0+)测量值，所以图3的光谱曲线中，prosoft和优化方法做出的是400～700 nm的连续光谱曲线，经验方法标出了6个波段的Rrs值。从Rrs光谱曲线形状而言，从一类水域到二类水域优化方法和经验方法所得到光谱曲线吻合度较好，prosoft方法在清水区域与其它两种方法一致，混浊水体有较大误差，这与前面分析的结果一致。

3 结语

本文利用现场测量数据对由Hyper-TSRB数据获取Rrs的3种方法进行了比较。结果显示，prosoft对于清水区域有较好的准确性，对于混浊水体准确性较差，误差可达50%。优化方法和经验方法对于所有类型的水体都有较好的准确性，其中经验方法的准确性稍高于优化方法。但是经验方法由于经验系数 a0、a1、a2、a3的使用，限制了经验方法只能计算本文中提到的6个波段的遥感反射比。优化方法能够计算所有波段的遥感反射比（主要考虑可见光400～700 nm），但从优化方法的计算过程可以看出优化方法计算过程最为复杂，并且优化过程需要充足时间。prosoft方法运算简单，能计算所有波段的遥感反射比，在一类水域中该方法是最佳的选择。

黄东海测量的Hyper-TSRB数据中没有Rrs测量值可以比较，只做出了Rrs的3种方法计算值。为了进一步分析3种方法的性能，还需要进行3种方法导出值和实验测量值的比较，希望在以后的研究中能够获取中国海的实验测量值做进一步的比较分析。

[1]杜克平.中国海的生物光学计算平台研究及其应用[D].青岛：中国海洋大学,2003.

[2]张亭禄，刘斌，邱国强.由TSRB辐射计数据估算海面离水辐亮度的经验方法[J].中国海洋大学学报,2010,40(1)：109-114.

[3]Werdell P J,BaileyS W.An improved in situ bio-optical data set for ocean color algorithmdevelopment and satellite data product validation[J].Remote Sensingof Environment,2005,98：122-140.

[4]Austin R J,Petzold TJ.Spectral dependance ofthe diffuse attenuation coefficient oflight in ocean waters[J].Ocean Optics VII,1984,489：168-178.

[5]Morel A.Optical modelingofthe upper ocean in relation toits biogenous matter content(case I waters)[J].Journal ofGeophysical Research,1988,93(C9)：10749-10768.

[6]Kirk J TO.Volume scatteringfunction,average cosines,and the underwater light field[J].Limnologyand Oceanography,1991,36(3)：455-467.

[7]Kirk J TO.Monte Carlostudyofthe nature ofthe underwater light field in and the therelationships between optical properties ofturbid yellowwaters[J].Australian Journal ofMarine and Freshwater Research,1981,32(4)：517-532.

[8]Kirk J TO.Dependance ofrelationship between inherent and apprant optical properties ofwater on solar altitude[J].Limnologyand Oceanography,1984,29(2)：350-356.

[9]Lee ZP.Visible-infrared remote-sensingmodel and applications for oceanic waters[D].Dissertation UniversityofSouth Florida：Department of Marine Science,1994.

[10]Lee Z P,Carder K L,Mobley C D,et al.Hyperspectral remote sensing for shallow waters.1.a semianalytical model[J].Applied Optics,1998,37(27)：6329-6338.

[11]He MX,Liu ZS,Du KP,et al.Retrieval ofchlorophyll fromremote-sensingreflectance in the China seas[J].Applied Optics,2000,39(15)：2467-2474.

[12]Prieur L,Sathyendranath S.An optical classification of coastal and oceanic waters based on the specific spectral absorption curves of phytoplankton pigments,dissolvedorganic matter,and other particulate materials[J].Limnologyand Oceanography,1981,26(4)：671-689.

[13]Bricaud A,Morel A,Prieur L.Absorption bydissolved organic matter ofthe sea(yellowsubstance)in the UVand visible domains[J].Limnologyand O-ceanography,1981,26(1)：43-53.

[14]CarderKL,StewardRG,HarveyGR,etal.Marinehumicandfulvicacids：theireffectsonremotesensingofoceanchlorophyll[J].LimnologyandOceanography,1989,34(1)：68-81.

[15]KishinoM,Booth CR,Okami N.Underwater radiant energyabsorbed byphytoplankton,detritus,dissolved organic matter,and pure water[J].Limnologyand Oceanography,1984,29(2)：340-349.

[16]Lee Z P,Carder K L,Arnone R A.Derivinginherent optical properties fromwater color：a multiband quasi-analytical algorithmfor opticallydeep waters[J].Optical SocietyofAmerica,2002,41(27)：5755-5772

[17]PopeRM,FryES.Absorptionspectrum(380-700nm)ofpurewater：II.integratingcavitymeasurements[J].AppliedOptics,1997,36(33)：8710-8723.

[18]Smith R C,Baker KS.Optical properties ofthe clearest natural waters(200-800nm)[J].Applied Optics,1981,20(2)：177-184.

[19]Gordon H R,Brown O B,Evans R H,et al.A semianalytical radiance model of ocean color[J].Journal of Geophysical Research,1988,93(D9)：10909-10924.

[20]Lee Z P,Carder K L,Mobley C D,et al.Hyperspectral remote sensing for shallowwaters：2.deriving bottom depths and water properties by optimization[J].Applied Optics,1999,38(18)：3831-3843.

Comparison of Methods for Determining the Water Leaving Remote Sensing Reflectance from Hyper-TSRB Data

YAO Qing-qing,CHEN Shu-guo,ZHANG Ting-lu
(Department of Ocean Technology,Ocean University of China,Qingdao Shandong 266100,China)

Three methods for determining the water leaving remote sensing reflectance(Rrs)from Hyper-TSRB measurement were compared,which are prosoft,optimization and empirical method,respectively.The data set used for comparison consists of 193 profiles of the downwelling irradiance Ed(z)and the upwelling radiance Lu(z)from SeaBASS database.The results show that three methods have high performance in the clear waters,both optimization and empirical methods have much higher accuracy than prosoft method in the turbid waters,and the accuracy of the empirical method is slight higher than that of optimization method.

Hyper-TSRB;remote sensing reflectance;prosoft;optimization;empirical method

P733.3

A

1003-2029（2012）02-0054-05

2011-12-10

国家自然科学基金资助项目（40876005）

姚晴晴(1987-)，女，硕士,主要从事海洋光学与激光遥感方向研究。Email:qingqing.0617.hi@163.com

致谢：文中所利用的独立数据来源于SeaBASS项目，对黄东海Hyper-TSRB数据测量者表示感谢。